一.前言
kafka是一个分布式的，支持多分区、多副本，基于 Zookeeper 的分布式消息流平台，它同时也是一款开源的基于发布订阅模式的消息引擎系统。
博主所在的部门就是使用kafka做消息中间件，前不久碰到了一个奇奇怪怪的bug，找问题还花了不少功夫，特此在这记录一下。
二.bug起源
我所负责的模块里面有一个功能是修改宿主机的网络ip。
功能页面如下
输入IPV4地址后，就会将服务所在的宿主机地址给修改掉。
先说一下背景：测试环境所有服务均布在一台机器上，修改ip之后需要同步修改nacos配置中心的配置，各个中间件读取系统环境变量的配置等。然后整机重启，重启完成后，自动启动各个业务应用与中间件的docker容器。
从需求上来看，逻辑实现比较简单，java程序调用shell脚本去做一些宿主机上的操作，然后重启机器就好了。
功能代码咔咔一顿写。
写完之后一测试，ifconfig看一下ip已经修改，docker ps看一下容器都正常启动了，前端页面简单测试一些功能，都正常。
美滋滋啊，我果然是一个代码天才~
提测后，测试小姐姐给我说系统的操作记录一直没有生成，操作记录都是统一拦截发送到kafka，由专门的日志模块去消费记录到es。
淦！这功能也是最近刚开发的，刚刚改完一轮bug，自测过没有问题了。看了看代码，最后一次这个模块的提交记录也是我。
奇怪了。
看一下后台的日志，疯狂打印WARN日志
代码语言：javascript复制1 partitions have leader brokers without a matching listener...我就进到kafka的容器里面看了一下服务的消费情况
代码语言：javascript复制kafka-consumer-groups.sh --bootstrap-server 127.0.0.1:9092 --group baiyan-topic --describe看到消费情况为比较滞后，再去看一下卡主的topic的数据是什么
代码语言：javascript复制kafka-console-consumer.sh --bootstrap-server 127.0.0.1:9092 --topic baiyan-topic --offset 373159 --partition 0 数据为
代码语言：javascript复制{省略业务字段,"createTime":"2021-10-20 16:27:39.447","updateTime":"2021-10-20 16:27:39.447"}what？
这个时间怎么好像跟我更新测试环境IP的时间这么接近？
大量的消息积压在这个时间点无法被consumer处理到！
三.找问题
3.1.google报错
为了确定这个bug就是修改ip导致的，我让测试小姐姐在另外一台机器上全量模拟安装了一套环境，我又去修改了一下ip，果然又出现了这个问题。
ok，到这里，我们掌握的bug来源或者解决问题的入口就只有两个。
1.报错信息： 1 partitions have leader brokers without a matching listener 2.修改ip： 修改ip后，kafka消息堆积，无法消费，从提示信息来看是分区没有了lead节点导致。
好了，解决bug开始，第一步，google，哈哈哈哈~
在google一顿搜索：1 partitions have leader brokers without a matching listener
网上给出的答案大致集中在：
- kafka分区所在的服务器down了，rebalance失败。
- 防火墙没有关闭，导致网络不通。
- 代理ip配置不正确。
一个个看
第一点： 看了kafka的容器，启动正常，且如果新增一个topic，也能正常发送与消费，排除！
第二点： 防火墙未开启，哪怕开启了，端口也是通的，排除！
第三点： 从google来看，应该是这个答案了。
看一下配置文件的内容
代码语言：javascript复制cat /opt/kafka/config server.properties 与ip有关系的参数都很正常，已经修改成目标ip值，并且往上搜索到的配置都是注释的
我们使用的是比较早期的配置
代码语言：javascript复制advertised.host.name=目标ip但是走投无路，我还是抱着试一试心态，按照网上的操作去修改了配置，重启。
结果跟预想的一样，完全没用。
3.2.切换ip入手
一顿google，最后搜索出来的也都是说kafka集群搭建配置与网络问题，与3.1的搜索内容基本一致。
放弃。
3.3.原理入手
当时尝试使用3.1与3.2这两个线索搜索到的信息去解决问题无果后，还是有点难受的。不知道从哪里入手了。
后来想了想，kafka与消费者直接的交互，kafka的集群信息等同步信息，都是维护在zookeeper上的。
好，一个个来，一个个看。
先看一下topic的情况
代码语言：javascript复制bash-4.4# kafka-topics.sh --zookeeper 127.0.0.1:2181 --topic baiyan-topic --describe
Topic: baiyan-topic PartitionCount: 1 ReplicationFactor: 1 Configs:
Topic: baiyan-topic Partition: 0 Leader: none Replicas: 1001 Isr: 1001好了，这里发现一个端倪，leader为none，但是并没什么L用，从报错也能看出来。
继续到zookeeper的容器里面看一下kafka的信息
进入到bin目录
1.查看分区情况
代码语言：javascript复制ls /brokers/topics/baiyan-topic/partitions
[0]2.查看broker的id情况
代码语言：javascript复制ls /brokers/ids
[1002]至此，大家发现一些不一样的地方没有？
zookeeper上broker的id已经变成了1002，但是kafka里面topic信息副本与Isr的节点信息还是1001。
kafka需要从zookeeper上获取到broker的节点信息来构建集群，kafka无法在zookeeper上找到1002节点，因此leader为none，无法构建集群。
ok，至此已经知道了导致这个bug出现的原因是什么了~
3.4.原因剖析
3.3.我们已经知道了导致消息阻塞的原因是什么了。那么导致zk与kafka上broker信息不一致的原因是什么呢？
突破口其实也挺清晰的了，broker不一致，那就从决定brokerId生成的几个因素去看一下。
引用一下《深入理解kafka》作者朱小厮大佬的博客：Kafka参数broker.id详解
由上可知，决定brokerId主要来源于两个文件，server.properties与meta.properties
先看一下server.properties配置
-1则为自动分配，默认配置从1001开始起跳，符合kafka的topic信息为1001。
再看一下meta.properties
存在于server.properties的配置log.dirs目录下，查看配置
代码语言：javascript复制cluster.id=uHTKS_74RhW2_wKwbuwHxQ
version=0
broker.id=1002好家伙，找到问题了！！！！
脚本修改ip后，修改了log.dirs，新生成了一个数据目录。重启kafka后，原先的topic内部的brokerid并未修改。而zk上，只要kafka节点下线了，1001节点数据被抹除，kafka重启后，新的log.dirs的数据目录生成。又因为server.properties上brokerId配置的是-1，由kakfa进行自增，从1001增加到1002，写入到的log.dirs目录下，并将1002节点注册到zk上，最终到了kafka与zk上互相不一致。
四.解决问题
知道了原因之后，解决问题的思路也就很清楚了嘛，只要保证ip修改后，新生成数据目录的brokerId与topic中brokerId保持一致即可。
方法一：
还原新的log.dirs目录下的meta.properties的broker.id属性为1001，在重启kafka，同步1001至zk。
太蠢了，治标不治本，集群模式下都不知道每个节点的id，需要人为介入。
方法二：
每个kafka节点指定server.properties内broker.id的值，不进行动态生成。
五.总结
本文分析kafka在宿主机修改了ip后，consumer无法消费到节点数据的问题。由浅入深的讲述了bug的排查过程。最终定位到broker.id不一致的bug。
我们因为测试环境是单机的，并没有指定broker.id，动态生成id导致了bug。
其实最终解决bug是比较简单的，改一下配置，重启就好了，但是排查过程比较艰辛。
这里回想起面试的时候应该也有不少的面试官会问kafka一些原理性的八股文，回头来想想也不是没有道理。
这里我强烈建议大家在使用的kafka的时候，不论是单节点的kafka还是kafka集群，都指定每个节点的id， 避免出现一些匪夷所思的bug。
